3. RACCOLTA ED ELABORAZIONI DATI

Transcript

1 3. RACCOLTA ED ELABORAZIONI DATI Per stabilire una relazione tra le risposte spettrali misurate dal radiometro e quelle registrate dal satellite, è stato necessario effettuare alcune campagne di misura sul campo finalizzate ad acquisire dati in diversi periodi dell anno, in modo da considerare anche le variazioni temporali dei parametri studiati e l influenza stagionale su di essi. La buona riuscita di una campagna di misura, fondamentale ai fini della ricerca, dipende principalmente da due fattori: l altezza di marea e le condizioni meteorologiche. L escursione mareale è un fattore limitante in quanto non permette di condurre le osservazioni nei luoghi sommersi dall acqua: perché le misure di risulterebbero poco affidabili anche nei casi in cui solo il suolo risultasse ancora bagnato, perché la presenza di acqua nel terreno fa registrare una diminuzione di nel range delle lunghezze d onda 9 1nm. Anche il secondo fattore limita la qualità del rilievo, infatti l uso dei sensori che operano nel visibile o nell infrarosso non può avvenire in presenza di cielo nuvoloso. Un ulteriore aspetto da tenere in considerazione nella fase di raccolta dei dati nel sito di studio è lo stato della vegetazione: i rilievi sono stati fatti con maggior frequenza nel periodo primaverile-estivo, quando i diversi popolamenti vegetali coprono uniformemente le aree di barena e la loro vegetazione facilita la divisione del sito di studio in aree omogenee, maggiormente riconoscibile nei dati rilevati in remoto. 3.1 Area di studio I dati utilizzati in questo studio sono stati acquisiti nelle campagne di febbraio e luglio 23. L area osservata è la barena di San Felice, che si trova nella laguna nord, nelle vicinanze di Treporti, ed è delimitata a nord e ad ovest dal canale di S. Felice e dal canale Gaggian, a sud dal canale di S. Felice e ad est dalla palude di Tralo; questa zona è interessata al flusso riflusso di marea ed all apporto di acque dolci. La morfologia della barena di S. Felice è Figura 3.1 Barena di San Felice caratterizzata da bordi rialzati presso i canali e da una superficie debolmente degradante verso le velme che ne occupano la parte più interna. Essa presenta una quota media di 2 cm sul l.m.m.. La 23

2 principale fonte di sedimenti è costituita da sabbia, proveniente dalla zona costiera dell Adriatico e trasportata in laguna dalle correnti di marea (Day, 1996). 3.2 Acquisizione dei riferimenti a terra La prima operazione da condurre per una efficace raccolta di dati è quella di individuare alcune aree di vegetazione (verità a terra), all interno della zona di studio, che siano il più omogenee 1 possibile per non compromettere il successivo lavoro di zonazione e di classificazione dell area. Successivamente viene realizzata una stima visiva della percentuale di vegetazione e di suolo presenti nell area; il metodo di stima a vista consente di eseguire campionamenti rapidi e numerosi (Salviato, 2). Un requisito importante di queste aree e che ha costituito spesso una difficoltà, è che esse devono avere superfici sufficientemente ampie da poter essere riconosciute nell immagine telerilevata, i cui pixel definiscono l unità minima risolvibile; pixel in cui sono presenti più specie vegetali infatti causano una poco accurata classificazione delle immagini. Se le aree campionate avessero una superficie inferiore a 7.84m 2, sarebbero difficili da riconoscere all interno dell immagine satellitare perché non caratterizzerebbero in maniera uniforme tutto il pixel. La difficoltà di trovare aree a terra con queste caratteristiche ha portato ad un compromesso tra ampiezza e omogeneità al momento del campionamento. Nella stagione invernale (febbraio) è stato difficile trovare aree totalmente coperte da vegetazione, tuttavia è stato possibile identificarne 9 che soddisfacevano le nostre esigenze, in modo particolare 3 aree si possono definire omogenee a Limonium, Sarcocornia e Spartina. A luglio le aree erano quasi interamente coperte da vegetazione, ma per problemi alla strumentazione ne è stata campionata una sola adatta allo studio. Dopo aver scelto i siti da campionare si è utilizzato un GPS per la raccolta delle coordinate dei punti perimetrali degli stessi, necessarie ad individuarle successivamente all interno dell immagine satellitare. Per ogni area osservata è stata poi scattata una fotografia mediante una fotocamera digitale fissata ad un asta alta 2.5m. Questa operazione serve per controllare a posteriori le percentuali di copertura vegetale dell area, diminuendo così eventuali errori di valutazione commessi durante la fase di campionamento. Attraverso l uso del radiometro portatile GER si è proceduto al rilievo delle firme spettrali in punti scelti casualmente all interno delle aree omogenee. Per ogni area sono state raccolte una quindicina di registrazioni, precedute da taratura con un panello grigio opportunamente calibrato su banco ottico. Questo riferimento è necessario per 1 Si considera omogenea un area ricoperta per almeno il 6% della sua superficie dalla stessa specie vegetale 24

3 valutare la radiazione del target in percentuali della totale radiazione incidente, evita quindi di calcolare la radiazione totale naturale. Si possono infatti scrivere le seguenti relazioni: ρ t (λ)= π L t (λ) / E(λ) (3.1) ρ p (λ)= π L p (λ) / E(λ) (3.2) dove ρ indica la, L la radianza misurata, E l energia naturale totale (diretta e diffusa), mentre gli indici p e t indicano rispettivamente il pannello e il target. Nota ρ p le precedenti formule, forniscono la del target nella forma: ρ ( λ) = t L ( λ) iρ ( λ) t L p p ( λ) (3.3) 3.3 Elaborazione dei dati a terra I dati ottenuti con il radiometro portatile GER15, sono stati corretti per il diverso angolo di incidenza dei raggi solari durante le misurazioni. Partendo dal giorno ed ora dell acquisizione si calcola l angolo θ (radianti) di incidenza dei raggi solari rispetto allo zenith e con questo il coefficiente k θ mediante la seguente formula: k θ = a + a 1 θ + a 2 θ 2 (3.4) dove a, a 1, a 2 sono dei coefficienti che dipendono dal panello utilizzato e sono forniti dalla calibrazione. Il coefficiente k θ permette di calcolare la, da utilizzare quando si opera all aperto e la fonte luminosa è il sole, attraverso la relazione: ρ ( λ) t = Lt ( λ) iρ ik L ( λ) 2 p θ i k (3.5) 25

4 dove ρ è il coefficiente di a gradi e k è il valore di k integrato a gradi, entrambi sono forniti dalla calibrazione. Dalla (3.5) si sono ottenute le riflettanze dei singoli punti di misura e da questi per ciascuna area in esame è stata calcolata la media sulle quattordici riflettanze registrate su ogni area (vedi tabelle 3.1, 3.2). Tab 3.1 DI RIFLETTANZA MEDIA DELLE AREE DI LUGLIO AREA BANDE 42_3 43_3 44_3 45_3 46_3 BLU VERDE ROSSO NIR Tab 3.2 RIFLETTANZA MEDIA DELLE AREE DI FEBBRAIO AREA BANDE 1_3 2_3 4_3 5_3 6_3 9_3 19_3 21_ BLU,42,51,31,34,44,51,27,49,19 VERDE,56,68,46,47,59,66,39,64,28 ROSSO,71,85,58,58,77,75,48,77,33 NIR,151,165,114,144,156,146,111,162,91 Gli spettri di esaminati hanno permesso di selezionare quelle aree più significative, cioè quelle che si possono ritenere omogenee: un area di Limonium, due di Sarcocornia (analizzate in due periodi diversi dell anno) e una di Spartina. Nella figura 3.6 sono 26

5 riportati a confronto tutti gli spettri per visualizzare le differenze delle firme spettrali sia in termini di specie vegetali che di stagione (estiva-invernale). Come si può notare dalle figure 3.2, 3.3, 3.4, 3.5 gli spettri delle diverse vegetazioni sono tra loro differenti, cambiando l intervallo nel quale sono compresi i valori di (ad esempio per la Spartina è tra.2 e.11 mentre per la Sarcocornia varia tra.2 e.2). In figura 3.6 si nota che i valori di delle due aree di Sarcocornia aumentano nell infrarosso e diminuiscono nel rosso nel passaggio dalla stagione invernale a quella estiva, a causa dell aumento dell attività fotosintetica e della percentuale di copertura vegetale. Un maggior valore di nell infrarosso rispetto alla banda del rosso si osserva anche confrontando gli spettri di due aree a differente composizione ma con la stessa copertura (Spartina e Sarcocornia di febbraio): ciò è dovuto alla diversa capacità delle varie specie vegetali di riflettere la radiazione solare. Si può notare inoltre come lo spettro della Spartina (fig. 3.5) presenti un basso valore di nell infrarosso, causato probabilmente dalla struttura della pianta che, sviluppandosi in verticale, offre una piccola area riflettente. Un ulteriore considerazione da sottolineare è l aumento evidente, riscontrabile in tutte le aree e per tutte le specie vegetali analizzate, dell assorbimento nell intervallo delle lunghezze d onda 6 7 nm, causato dalla clorofilla nella vegetazione stessa.,25 Sarcocornia luglio,2,15,1, lunghezze d'onda (nm) Figura Spettro dell area 42_3 composta per il 1% da suolo e per il 9% da Sarcocornia 27

6 Limonium febbraio,25,2,15,1, lunghezze d'onda (nm) Figura Spettro dell area 6_3 composta per il 4% da suolo e per il 6% da Limonium,25 Sarcocornia febbraio,2,15,1, lunghezze d'onda (nm) Figura Spettro dell area 9_3 composta per il 4% di suolo e per il 6% di Sarcocornia 28

7 Spartina febbraio,25,2,15,1, lunghezze d'onda (nm) Figura Spettro dell area 19_3 composta per il 4% da suolo e per il 6% da Spartina confronto spettri di,25,2,15,1 Limonium Sarcocornia febbraio Spartina Sarcocornia luglio, lunghezze d'onda (nm) Figura Confronto degli spettri delle quattro aree 29

8 3.3.1 Gli indici di vegetazione La differenza tra energia riflessa nel rosso e nel vicino infrarosso da parte della vegetazione verde è stato motivo di un grande dibattito per sviluppare indici quantitativi della densità di vegetazione (i.e. misure indirette di biomassa). Jackson e Huete (1987) classificano gli indici di vegetazione (VI) in due gruppi: Quelli basati sulla distanza Quelli basati sulla pendenza Al primo gruppo appartengono gli indici che misurano l abbondanza di vegetazione valutando le differenze dei valori di di ogni punto rispetto a quelli relativi al suolo nudo. La difficoltà di questi indici è che richiedono l analisi dei valori dell intercetta e della pendenza della linea del suolo, e richiedono di un gran numero di dati relativi al solo suolo. Al secondo gruppo appartengono gli indici, che sfruttano il contrasto di risposta spettrale nel rosso e nel vicino infrarosso, senza considerare alcun fattore esterno. I valori di nelle bande del rosso e del vicino infrarosso vengono posti in un grafico (rosso/vicino infrarosso) la pendenza delle rette così ricavate identificano i valori diversi dell indice. Tra questi indici spicca l NDVI (Normalized Vegetation Density Index), che è stato uno dei primi ad essere studiato ed è ancora uno dei più usati negli studi di vegetazione, poiché presenta una maggiore semplicità d uso rispetto ad altri indici e non richiede la conoscenza di parametri (effetti del suolo, variabilità di illuminazione dovuta alla topografia, ecc..) che, se valutati impropriamente, possono amplificare le cause di errore. L NDVI, presentato per la prima da Rouse nel 1974 per distinguere la vegetazione dal suolo nudo, è espresso come differenza tra la banda dell infrarosso vicino e quella del rosso normalizzata alla loro somma: NDVI = NIR RED NIR + RED (3.6) Esso minimizza gli effetti topografici, producendo una scala di misurazione lineare che varia da -1 a +1, dove lo zero e i valori negativi rappresentano superfici non vegetate, mentre valori crescenti positivi indicano zone in cui aumenta la copertura vegetale. Alla luce dei buoni risultati riscontrabili in letteratura (Gitelson et al., 1996) sull utilizzo dell NDVI come indicatore di copertura vegetale, si è calcolato tale indice nelle aree analizzate in questo studio, per osservare la variazione del suo valore al variare della specie vegetale e della percentuale di copertura. Inizialmente è stato calcolato l indice per ognuno degli spettri acquisiti nelle diverse aree, successivamente è stata calcolata la media degli indici relativi alla stessa area. 3

9 I valori ottenuti sono riportati in tabella 3.2, nella quale le aree campite con il giallo sono riprese in inverno, quelle con il verde in estate, mentre in azzurrino sono evidenziate le verità a terra, per le quali in figura 3.6 sono riportati gli spettri. tab 3.2 INDICE NDVI PER VALORI OTTENUTI DA RADIOMETRO AREA COMPOSIZIONE VALORI DI NDVI 1_3 1%soil 45%sar 45%li.363 2_3 3%soil 2%sar 5%li.322 4_3 5%soil 35%sp 15%li.322 5_3 4%soil 3% ju 2% sar1%li.423 6_3 4%soil 6%li.34 9_3 4%soil 6%sar _3 4%soil 6%sp _3 2%soil 8%li _3 3%soil 35%sp 35% sar _3 1%soil 9% sar.53 43_3 5%sar 5%li _3 1%soil 9%sar _3 3%soil 3%li 4%sp _3 4%soil 5%li 1%sar.614 Dall analisi di questi dati si può osservare come per le aree di luglio il valore dell indice sia più elevato rispetto a quello ottenuto in febbraio, questo perché la vegetazione è più fitta ed attiva fotosinteticamente nel periodo estivo. Un altro aspetto interessante è l elevato valore assunto dall indice per l area 46_3 (costituita da 5% di Limonium, 1% Sarcocornia e 4% di suolo) rispetto ad aree con minore presenza di suolo, come per esempio l area 42_3, che presenta soltanto il 1% di suolo. Questo comportamento potrebbe dipendere dalla diversa struttura delle piante presenti: nella prima area infatti c è Limonium, nella seconda invece si trova Sarcocornia: il Limonium si presenta con delle 31

10 foglie verdi abbastanza estese, orientate orizzontalmente, offrendo quindi una vasta superficie ricca di pigmenti che fanno aumentare il valore dell indice. La Sarcocornia al contrario ha una struttura più legnosa e si sviluppa prevalentemente in verticale, cioè a parità di biomassa, offre una superficie molto inferiore, facendo così rilevare valori di NDVI più bassi. Il fatto che l indice assuma valori diversi al variare del tipo di specie considerata, offre un opportunità di riconoscimento delle diverse specie presenti in un area, soprattutto quando il numero dei dati a disposizione è elevato e sufficiente per esse statisticamente significativo. 3.4 Elaborazione dei dati da satellite Le immagini acquisite da satellite vengono dapprima corrette per renderle confrontabili tra loro; le fasi successive, invece, hanno lo scopo di estrarre il contenuto informativo da usare in carte tematiche di sintesi Image Processing I processi di correzione nel loro complesso vengono indicati come image processing. Questa fase di preelaborazione cerca di minimizzare gli errori, il rumore di fondo e le distorsioni introdotte durante l acquisizione e la trasmissione, al fine di ottenere una rappresentazione il più fedele possibile. Essa comprende le procedure di correzione radiometrica, atmosferica e geometrica. La correzione radiometrica La correzione radiometrica permette di eliminare gli errori dovuti al cattivo funzionamento dei sensori e all influenza dello strato di atmosfera interposto tra il sensore e la scena investigata. L aggiunta di radiazione dovuta alla diffusione di energia radiante da parte dell atmosfera diminuisce il contrasto delle immagini rilevate, e deve quindi essere eliminata; ciò che avviene nella procedura di correzione atmosferica. La prima causa di disturbo viene ovviata attraverso l equalizzazione (già effettuata dalla Digital Globe) della risposta del sensore in termini di risposta radiometrica relativa tra canali, ottenendo la compensazione per la distorsione ottica e di scansione della scena, che dipende dalla geometria interna del detector. Per ottenere l effettiva risposta del sensore occorre invece disporre dei fattori che trasformano i digital number (DN) nei valori di radianza assoluta. Per le quattro bande del QuickBird la correzione radiometrica ha permesso di ottenere i valori di radianza in W/m 2 sr nm, usando la seguente formula: 32

11 L = ki q (3.7) Dove L è la radianza in W/m 2 sr, k è il valore correttivo in W/m 2 sr DN, e q rappresenta la matrice dei DN forniti dai detectors radiometricamente corretti. La correzione atmosferica Non tutta la radiazione solare riflessa dalla superficie terrestre raggiunge i sensori montati sui satelliti, poiché l atmosfera funziona da filtro selettivo alle diverse lunghezze d onda ed i fotoni mancanti vengono persi nei processi di assorbimento e di scattering. Per questo motivo i dati raccolti devono essere sottoposti alla correzione atmosferica, che nel nostro caso viene effettuata dal modello 6S (Second Simulation of the Satellite Signal in the Solar Spectrum), codice sviluppato in Fortran che simula il comportamento dell atmosfera nel trasferimento della radiazione solare dello spettro visibile ed infrarosso (Vermote et al., 1997). Il 6S ricava un espressione analitica della atmosferica misurata da un sensore posizionato su piattaforma sia satellitare che aerea, e calcola la correzione del segnale per gli effetti dovuti alla presenza di ossigeno molecolare, anidride carbonica e monossido di azoto, distinguendo quattro diverse componenti: la componente atmosferica, comprende i fotoni in arrivo al sensore senza che abbiano raggiunto la superficie terrestre e diffusi all indietro dall atmosfera (back scattering); la componente diffusa, riguarda la radiazione che raggiunge il sensore dopo essere stata diffusa dall atmosfera; la componente ambientale, si riferisce alla frazione di radiazione riflessa al di fuori della superficie del target e diffusa verso il sensore; la componente multi-scattering, considera i fotoni diffusi più volte nel tragitto tra superficie e atmosfera prima di raggiungere il sensore (chiamato effetto trappola). Per ottenere i valori della correzione bisogna calibrare il modello 6S con informazioni acquisite in situ per alcuni punti di riferimento che appartengono alla scena da riprendere con il sensore, ed avere la risposta con la quale esso rileva lo spettro solare. Tale risposta è una curva a disposizione di chi gestisce il sensore ed è fornita con le immagini. La correzione atmosferica è molto importante perché consente di eliminare tutti i fattori di distorsione che può generare l atmosfera, rendendo possibile il confronto degli spettri di bersagli rilevati da differenti sensori. 33

12 La correzione geometrica Lo scopo della correzione geometrica è quello di rendere confrontabili immagini acquisite in momenti diversi ed eliminare le deformazioni introdotte dal sistema di ripresa. Le correzioni riguardano le distorsioni provocate dalla variazione di velocità di rotazione terrestre, dalla distorsione dello specchio dello scanner, dalla curvatura, dalla rotazione terrestre e dalla distorsione panoramica (modificazione sull immagine della posizione relativa ai punti rappresentativi della scena, a causa della non linearità di funzionamento dei sistemi di ripresa basati sulla scansione ottico-meccanica). Queste correzioni vengono normalmente applicate alle immagini riprese da satelliti direttamente presso le stazioni riceventi, prima che questi dati vengano distribuiti agli utenti. In aggiunta, per riconoscere la vegetazione alofila, si è proceduto ad una georeferenziazione attraverso l uso di punti di riferimento (Ground control point, GCP) raccolti nelle varie campagne di misura. Infatti l accuratezza della correzione fornita dai gestori risulta pari a ± 25m, quindi inadeguata al riconoscimento delle aree di vegetazione. Per identificare gli elementi esaminati all interno della scena è stato necessario registrare in un opportuno sistema di coordinate geografiche l immagine acquisita. Il sistema di riferimento adottato è la proiezione cilindrica inversa Gauss-Boaga, in cui le coordinate vengono calcolate avendo come punto di origine il meridiano passante per Monte Mario a Roma, sull elissoide internazionale ROMA 194, e proiettate su coordinate piane chilometriche con false origini a 15 km dal meridiano di riferimento nel fuso ovest (da 6 a 12 gradi ad est di Greenwich) e a 252 km nel fuso est (da 12 a 18 gradi ad est di Greenwich). Il processo di correzione avviene mediante una trasformazione geometrica delle coordinate della area osservata, modificando la posizione dei pixel sull immagine, la cui radiometria non rappresenta più i valori reali misurati nell area; perciò è necessario effettuare un ricampionamento dei dati di radianza rilevati al suolo ed una interpolazione matematica dei livelli di grigio. Il criterio usato per il ricampionamento è quello del prossimo vicino : con questa tecnica il valore di radianza assegnato è il numero digitale del pixel che ha le coordinate (M,N) di riga e colonna valori interi più vicine alle coordinate (X,Y) valori reali ottenute dalla trasformazione geometrica. La raccolta dei punti di controllo a terra (GCP) sulle aree di barena è la fase critica del lavoro di georeferenziazione, infatti l acquisizione deve soddisfare tre condizioni essenziali per garantire un adeguata correzione: il numero di punti individuati deve essere appropriato per consentire il processo di trasformazione lineare dell immagine: maggiore è l ordine del polinomio interpolante che si sceglie di utilizzare e maggiore dovrà essere il numero complessivo di GCP; 34

13 i punti devono essere distribuiti in modo uniforme su tutta l area rappresentata nell immagine; il lasso temporale tra l acquisizione dell immagine ed i punti di riferimento a terra non deve essere elevato, in quanto risulterebbe poco affidabile la selezione dei punti in corrispondenza di caratteristiche morfologiche in continuo mutamento come ghebi, meandri di canali o zone di bordo, che periodicamente risultano sommerse dalle maree e quindi potrebbero risultare nascoste dall acqua in occasione dell acquisizione dell immagine Risultati ottenuti Le immagini utilizzate per lo studio erano già corrette atmosfericamente e georeferenziate da precedenti elaborazioni ed erano pertanto direttamente confrontabili. A partire dalle immagini è stato possibile ottenere i valori di media di ogni pixel appartenente alle verità a terra. Questa operazione è stata possibile attraverso l uso del programma ENVI per l elaborazione delle immagini satellitari, il quale restituisce in formato testo per le quattro bande dell immagine multispettrale i valori di dei pixel interni all area considerata; mediando banda per banda i valori di di tutti i pixel si ottiene lo spettro medio dell area. Nelle tabelle 3.3 e 3.4 sono riportati i valori di solo delle aree per le quali si avevano a disposizione anche i dati radiometrici. Tab 3.3 RISULTATI DI RIFLETTANZA MEDIA PER BANDA PER LE AREE DI FEBBRAIO AREA BANDE 1_3 2_3 4_3 5_3 6_3 9_3 19_3 21_3 22_3 BLU VERDE ROSSO NIR

14 Tab 3.4 RISULTATI DI RIFLETTANZA MEDIA PER LE AREE DI LUGLIO AREA BANDE 42_3 43_3 44_3 45_3 46_3 BLU VERDE ROSSO NIR Per le aree considerate omogenee gli spettri sono stati riportati nelle figure dalla 3.7 alla 3.11, in modo da permettere il successivo confronto con quelli registrati a terra. Osservando la figura 3.11 si nota come l area di luglio (42_3), caratterizzata da Sarcocornia molto fitta, abbia un valore elevato nella banda dell infrarosso e molto basso in quella del rosso, a conferma di una maggiore attività fotosintetica nella stagione estiva. Le aree di febbraio (6_3, 9_3, 19_3) presentano valori molto ravvicinati tra loro, pur essendo caratterizzate da vegetazioni differenti: questo implica la difficoltà di discriminare le specie vegetali tramite immagini satellitari acquisite in stagioni invernali, quando la copertura è bassa e l attività delle piante è modesta. Tuttavia anche in questo caso è possibile osservare un leggero calo di nella banda del rosso, dovuto al maggior assorbimento della radiazione elettromagnetica da parte della clorofilla presente nelle piante.,25 Sarcocornia luglio,2,15,1,5 BLU VERDE ROSSO NIR bande QB Figura Spettro dell'area 42_3 composta per il 1% da suolo e per 9% da Sarcocornia 36

15 Limonium febbraio,25,2,15,1,5 BLU VERDE ROSSO NIR bande QB Figura Spettro dell'area 6_3 composta per il 4% da suolo e per il 6% da Limonium,25 Sarcocornia febbraio,2,15,1,5 BLU VERDE ROSSO NIR bande QB Figura Spettro dell'area 9_3 composta per il 4% da suolo e per il 6% da Sarcocornia 37

16 Spartina febbraio,25,2,15,1,5 BLU VERDE ROSSO NIR bande QB Figura Spettro dell'area 19-3 composta per il 4% da suolo e per il 6% da Spartina confronto spettri QB,25,2,15,1 Limonium Sarcocornia febbraio Spartina Sarcocornia lugliol,5 BLU VERDE ROSSO NIR bande QB Figura Confronto degli spettri QuickBird 38

17 Anche per i dati acquisiti dal satellite QuickBird è stato calcolato l indice di vegetazione NDVI, i cui valori relativi alle diverse aree sono riportati in tabella 3.4 (fondo giallo per aree riprese in inverno, verde in estate, azzurrino per verità a terra considerate omogenee, per le quali sono riportati anche gli spettri). Nonostante il tasso di variazione del valore dell NDVI sia abbastanza ristretto per le aree registrate a febbraio, si può comunque osservare un leggero aumento dell indice di vegetazione in tutte quelle aree in cui vi è una parziale presenza di Limonium. Questo è dovuto alla struttura della pianta, che offre una superficie maggiore rispetto alle altre, così da permettere una riflessione più elevata; al contrario le aree a Spartina manifestano valori dell indice più bassi, causati dalla sua struttura filiforme. Anche il calcolo dell NDVI conferma il fatto che per il mese di febbraio sia difficile discriminare le diverse specie vegetali attraverso l uso di sensori satellitari, proprio per la scarsa copertura vegetale della superficie di barena e per la bassa attività fotosintetica. Tab 3.4 INDICE NDVI PER VALORI OTTENUTI DA SATELLITE AREA COMPOSIZIONE VALORE DI NDVI 1_3 1%soil 45% sar 45%li.151 2_3 3%soil 2%sar 5%li.139 4_3 5%soil 35%sp 15%li.127 5_3 4%soil 3% ju 2%sar 1%li.146 6_3 4%soil 6%li.142 9_3 4%soil 6%sar _3 4%soil 6%sp.19 21_3 2%soil 8%li _3 3%soil 35%sp 35% sar.15 42_3 1%soil 9% sar _3 5%sar 5%li _3 1%soil 9%sar _3 3%soil 3%li 4%sp _3 4%soil 5%li 1%sar

18 Nel mese di luglio i valori assunti dall indice sono più elevati e compresi in un range più ampio, diversificandosi a seconda del tipo di specie presente: ciò evidenzia la possibilità di utilizzare questo indice per individuare le alofite presenti in barena, anche se il set di dati finora a disposizione, correlato al numero esiguo di immagini acquisite, non permette di riconoscere con precisione i valori tipici di ogni specie vegetale. 4